1动态规划的思想方法2多段图的最短路径问题3资源分配问题4设备更新问题5最长公共子序列问题60/1背包问题

C-C方法计算时间延迟和嵌入维数主程序：C_CMethod.m,C_CMethod_independent.m子函数：correlation_integral.m(计算关联积分)disjoint.m(将时间序列拆分成t个不相关的子序列)heaviside.m（计算时间序列的海维赛函数值）参考文献Nonlineardynamics,delaytimes,andembeddingwindows。
计算Lyapunov指数：largest_lyapunov_exponent.m（用吕金虎的方法计算最大Lyapunov指数）参考文献：基于Lyapunov指数改进算法的边坡位移预测。
lyapunov_wolf.m(用wolf方法计算最大Lyapunov指数)计算关联维数：G_P.m(G-P算法)混沌时间序列预测主函数MainPre_by_jiaquanyijie_1.m(该程序用加权一阶局域法对数据进行进行一步预测)MainPre_by_jiaquanyijie_n.m(该程序用加权一阶局域法对数据进行进行n步预测)MainPre_by_Lya_1.m(基于最大Lyapunov指数的一步预测)MainPre_by_Lya_n.m(基于最大Lyapunov指数的n步预测)nearest_point.m(计算最后一个相点的最近相点的位置及最短距离)子函数jiaquanyijie.m(该函数用加权一阶局域法(xx)、零级近似(yy)和基于零级近似的加权一阶局域法(zz)对时间数据进行一步预测)pre_by_lya.m(基于最大Lyapunov指数的预测方法)pre_by_lya_new.m(改进的基于最大Lyapunov指数的预测方法)

本科算法实验-最长公共子序列【数据+代码+说明+流程图+测试用例】

采用动态规划思想，根据最优子结构性质，求出对比代码的最长公共子序列，从而判断对比代码的相似度。
本系统把分词技术和最长公共子序列有机的结合，将对比代码分割成单词或标点符号，以单词和符号为检测单元，有效的提高了检测的精准度

【算法设计与分析】是计算机科学中的核心课程，主要探讨如何有效地解决问题并设计高效计算过程。
这门课程由中国大学MOOC提供，由北京航空航天大学（北航）的专家讲授，旨在帮助学生理解和掌握基础算法及其分析方法。
通过学习这门课程，学生将能够运用所学知识解决实际问题，提升编程能力，以及对复杂度理论有深入的理解。
课程内容可能涵盖以下几个方面：1.**排序算法**：包括经典的冒泡排序、插入排序、选择排序、快速排序、归并排序和堆排序等，以及更高效的算法如计数排序、桶排序和基数排序。
这些算法的比较和分析有助于理解不同情况下的最佳选择。
2.**搜索算法**：如深度优先搜索(DFS)、广度优先搜索(BFS)、Dijkstra算法和Floyd-Warshall算法，用于解决图论问题和最短路径寻找。
3.**动态规划**：这是解决多阶段决策问题的有效方法，例如斐波那契序列、背包问题、最长公共子序列和最短编辑距离等。
4.**贪心算法**：在每一步都选择局部最优解，以期达到全局最优。
典型应用如霍夫曼编码和Prim或Kruskal的最小生成树算法。
5.**分治策略**：将大问题分解为小问题，然后递归地解决。
典型的例子有归并排序、快速排序和大整数乘法。
6.**回溯法与分支限界**：用于在大规模搜索空间中找到解决方案，如八皇后问题和N皇后问题。
7.**图论与网络流**：包括最大流问题、最小割问题，以及Ford-Fulkerson和Edmonds-Karp算法。
8.**数据结构**：如链表、队列、栈、树（二叉树、平衡树如AVL和红黑树）、哈希表等，它们是算法的基础。
9.**复杂度理论**：介绍时间复杂度和空间复杂度的概念，以及P类和NP类问题，理解算法效率的重要性。
课程链接提供的博客可能包含课程的代码实现，这对于理解算法的实际操作和优化至关重要。
实践是检验和加深理论知识的最好方式。
学生可以通过这些代码实现来锻炼编程技能，同时理解算法在真实场景中的表现。
"中国大学MOOC-算法设计与分析"是一门全面介绍算法和分析技巧的课程，对于计算机科学专业的学生以及对算法感兴趣的任何人都极具价值。
通过学习，不仅可以掌握多种算法，还能培养问题解决和分析能力，为未来的学术研究或职业发展奠定坚实基础。

所有最长公共子序列（LCS）——动态规划——Java---所有！！！所有！！！所有！！！

同源搜索是生物信息学在分子生物学，蛋白质功能分析和药物开发领域的巨大应用。
为了在不断增长的数据库中执行批量搜索，基本方法是对每个原始查询运行Blast或通过将它们分组在一起来串联查询。
本文提出了一种增强的具有序列压缩和聚类的蛋白质同源性批量搜索算法（C2-BLASTP），该算法利用了查询序列和数据库之间的联合信息。
在C2-BLASTP中，查询和数据库首先通过冗余分析进行压缩。
然后根据子序列相似度对数据库进行聚类。
此后，可以在群集数据库中实现命中查找。
此外，基于潜在的命中结果来重建最终执行数据库，以减轻序列数据库不断扩大的规模。
最后，在执行数据库中进行同源批搜索。
在NCBINR数据库上进行的实验证明，在同源性准确性，搜索速度和内存使用方面，C2-BLASTP对于同源性批量搜索的有效性。

一些动态规划，最新最典型的算法！如，背包问题，钢管切割问题，最长子序列问题等等。

利用动态规划法求出两个序列的最长公共子序列，内含C++源代码和实验报告

把一个包含n个正整数的序列划分成m个连续的子序列，每个整数刚好属于一个序列。
设第i个序列的各数之和是S(i)。
要求：让所有的S(i)的最大值尽量小。
例如：序列1，2，3，2，5，4划分成3个序列的最优方案为123|25|4，其中S(1)=6,S(2)=7,S(3)=4。
如果划分成12|32|54，则最大的S(i)=9，不是最优。
其中n＜10^6,所有数之和不超过10^9

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。